#223 Claude Opus 4.6
medium
Reached the allocated time limit (300 seconds) without receiving showcase output.
- Biaya
- $0.000
- Waktu
- 300.0s
- Token
- 0 tok
Anthropic
Rilis: 2026-02-05
Diuji pada: 2026-08-14 02:08
anthropic/claude-opus-4.6::medium
~5T total (~500B aktif)MoETertutupPerkiraan Ringkasan
Claude Opus 4.6 mendapat skor 6.3 di AI BENCHY dan berada di peringkat #223. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 60.9%, total biaya $2.961, dan waktu respons rata-rata 32.23s.
Yang membuat Claude Opus 4.6 unik: Model ini paling menonjol di Gabungan, dengan peringkat #1, sementara Tugas agen adalah area terlemahnya di #16.
Model diarsipkan: model ini tidak lagi diperbarui atau diuji pada pengujian baru.
Fakta model
Ditelaah pada 2026-08-12
- Parameter
- ~5T total (~500B aktif)
- Arsitektur
- MoE
- Ketersediaan
- Tertutup
- Lisensi
- -
Perkiraan terbaik berdasarkan bukti publik; penyedia tidak mengungkapkan semua nilai.
6.3
Konsistensi
8.5
10.0
$2.961
Total token output
96,722
Total token input
108,573
Harga input
$5.000 / 1M
Harga output
$25.000 / 1M
Harga baca cache
$0.500 / 1M
Harga tulis cache
$6.250 / 1M
Harga cache berlaku untuk token input. Pembacaan memakai kembali prompt tersimpan; penulisan menyimpannya dan dapat menambah biaya. Token output menggunakan harga output.
Tes tidak stabil
3
Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Riwayat run
| Diuji pada | Skor | Keandalan | Tes benar | Total Biaya | Bandingkan |
|---|---|---|---|---|---|
| 2026-08-14 02:08 Uji ulang | 6.3 | 10.0 | $2.961 | Run saat ini | |
| 2026-07-16 22:31 Tes baru ditambahkan | 7.7 | 10.0 | $3.059 | Bandingkan | |
| 2026-06-04 13:45 Tes baru ditambahkan | 7.0 | 10.0 | $2.053 | Bandingkan | |
| 2026-05-22 00:17 Suite berubah | 7.2 | 10.0 | $1.896 | Bandingkan | |
| 2026-04-11 01:44 Run pertama yang tercatat | 7.6 | T/A | $1.446 | Bandingkan |
Run ini menggunakan suite benchmark yang berbeda. Perhatikan perubahan suite saat membaca pergerakan historis.
Perbandingan run
| Run | Cakupan benchmark | Skor | Konsistensi | Keandalan | Tes benar | Tes tidak stabil | Total token output | Total token input | Total Biaya | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-08-14 02:08 · Run saat ini | 66/69 percobaan | 6.3 | 8.5 | 10.0 | 13/22 | 3 | 96,722 | 108,573 | $2.961 | 32.23s |
| 2026-04-11 01:44 · Run pertama yang tercatat | 54/54 percobaan | 7.6 | 9.1 | T/A | 12/18 | 2 | 48,767 | 0 | $1.446 | 21.08s |
| Selisih | — | -1.3 | -0.6 | +1 | +1 | +47955 | +108573 | +$1.516 | +11152ms |
Cakupan benchmark berbeda: 66/69 percobaan (Target: 3 pengulangan per tes) dibanding 54/54 percobaan (Target: 3 pengulangan per tes). Total dan metrik yang dipengaruhi pengulangan tidak dapat dibandingkan secara langsung.
Kedua run ini menggunakan suite benchmark yang berbeda, jadi selisihnya mencerminkan perubahan model sekaligus perubahan suite.
Riwayat harga
Data harga historis untuk model ini dari OpenRouter.
| Tanggal | Harga input | Harga output | Harga baca cache | Harga tulis cache |
|---|---|---|---|---|
| 2026-08-14 12:51 | $5.000 / 1M | $25.000 / 1M | T/A | T/A |
| 2026-10-01 18:33 | $5.000 / 1M | $25.000 / 1M | $0.500 / 1M | $6.250 / 1M |
Grafik
Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.
Model teratas berdasarkan skor
Skor vs Total Biaya
Waktu respons (rata-rata)
Skor vs Waktu respons (rata-rata)
Total token output
Skor vs Total token output
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Tugas agen | 0.0 | 0.0 | |
| Trik anti-AI | 6.4 | 5.8 | |
| Pemrograman | 5.7 | 7.1 | |
| Gabungan | 10.0 | 10.0 | |
| Parsing dan ekstraksi data | 10.0 | 10.0 | |
| Spesifik domain | 3.0 | 10.0 | |
| Kecerdasan umum | 10.0 | 10.0 | |
| Kepatuhan instruksi | 10.0 | 10.0 | |
| Pemecahan teka-teki | 7.7 | 10.0 | |
| Pemanggilan alat | 10.0 | 10.0 | |
| Pengetahuan umum | 3.0 | 10.0 |